一种基于多伯努利分布式多传感器多目标跟踪方法技术

本发明专利技术公开了一种基于多伯努利分布式多传感器多目标跟踪方法，属于智能信息处理技术和信号处理领域。本发明专利技术的基于多伯努利滤波框架的分布式多传感器的目标跟踪方法采用了三种精度提升方法，包括交互反馈方法、决策级融合输出方法以及特征级融合反馈方法，既可以解决对新生目标漏估计的问题，同时也提高了对多目标跟踪的精度。

A distributed multi-sensor and multi-target tracking method based on doburnuli

【技术实现步骤摘要】
一种基于多伯努利分布式多传感器多目标跟踪方法
本专利技术涉及一种基于多伯努利分布式多传感器多目标跟踪方法，属于智能信息处理技术和信号处理领域。
技术介绍
近年来，Mahler于2003年提出的基于随机有限集(RandomFinteSet,RFS)的概率假设密度(ProbabilityHypothesisDensity,PHD)滤波算法，将目标状态与观测建模为元素有限的随机集，通过近似多目标后验分布一阶矩的方式实现对多目标跟踪，避免了传统算法中复杂的数据关联。随后，基于随机有限集的滤波算法得到了广泛关注，进而产生了许多改进的滤波算法，如势均衡概率假设密度滤波(CardinalizedPHD,CPHD)，多伯努利滤波(multi-BernoulliFilter,MBF)，以及能提供航迹管理的广义标签多伯努利滤波(GeneralizedLabeledmulti-Bernoulli,GLMB)和标签多伯努利滤波(Labeledmulti-Bernoulli,LMB)等，存在的闭合解形式主要包括基于粒子滤波和基于高斯混合滤波的解方式，被广泛应用于解决数目未知且变化的多目标跟踪中，并取得了较好的效果。分布式多传感器多目标跟踪(Distributedmulti-sensormulti-targettracking，DMMT)算法通过部署范围更大的传感器网络进行监测与滤波，并且依据传感器间的交互信息进行融合再输出，进而能够有效增加跟踪的覆盖范围，同时提高对运动目标的检测和跟踪能力。并且DMMT方法依据网络拓扑结构进行局部的通信与融合，较之于集中式多传感器跟踪方法，其降低了通信与计算负载，且同时具有接近集中式方法的跟踪精度。由于DMMT方法所具有的优越性，许多基于前述多目标跟踪方法下的分布式算法被广泛研究并提出，例如文献《ConsensusCPHDfilterfordistributedmultitargettracking》中提出了基于CPHD的DMMT算法、文献《DistributedFusionofLabeledMulti-ObjectDensitiesViaLabelSpacesMatching》中讨论了对于具备航迹管理功能的LMB算法如何进行融合跟踪的问题，以及《DistributedFusionwithMulti-BernoulliFilterbasedonGeneralizedCovarianceIntersection》中给出了基于MBF的DMMT算法的具体实现操作等。然而在复杂环境中，例如目标数增多且时变及各传感器探测能力存在差异，传统DMMT方法会面临如融合假设数以指数增长导致的融合计算复杂度急剧上升，以及传感器间所得后验分布差异过大使得融合后的状态估计依然不够准确等问题，因而会严重影响算法的精度与效率。
技术实现思路
为了解决上述至少一个问题，本专利技术提供了一种基于多伯努利分布式多传感器多目标跟踪方法。本专利技术在传统方法的基础上，在分布式传感器滤波融合跟踪过程中加入了三种精度提升方法，具体为交互反馈方法、决策级融合输出方法以及特征级融合反馈方法；所提出方法的加入使得方法在各个强度的观测噪声影响下，均能获得优良的多目标跟踪精度。本专利技术的第一个目的是提供一种基于多伯努利分布式多传感器多目标跟踪方法，采用决策级融合输出方法、交互反馈方法或特征级融合反馈方法中的一种或者一种以上。在一种实施方式中，所述的决策级融合方法为：对首次融合结果进行二次处理，利用融合失败计数方法筛选出不匹配的伯努利项，然后对其余的伯努利项再次进行融合，最终将筛选出的伯努利项与融合项组合，构成当前时刻的状态输出。在一种实施方式中，所述的交互反馈方法为：对接收的互连传感器的多伯努利数据以距离阈值进行筛选，得到用以反馈的伯努利项，后以新生伯努利项的方式，反馈至本地后验多伯努利中以供后续时刻的跟踪。在一种实施方式中，所述的特征级融合反馈方法为：保留参与融合的伯努利项并修改其存在概率，同时修改融合后得到的多伯努利参数集的存在概率并将其添加至后验多伯努利集中。在一种实施方式中，所述的分布式多传感器多目标跟踪方法的步骤为：步骤1：初始化PF-MB滤波器各项参数；步骤2：运行PF-MB滤波器进行滤波操作；步骤3：接收互连传感器数据并进行融合；步骤4：决策级融合输出；步骤5：特征级融合反馈；步骤6：交互反馈步骤；步骤7：重复步骤2至步骤6可对多目标进行持续的跟踪。在一种实施方式中，步骤1具体为：步骤1：初始化本地多伯努利粒子滤波器(ParticleFiltermulti-Bernoulli,PF-MB)，在初始时刻k＝0，初始化新生多伯努利参数集。在一种实施方式中，步骤2具体为：步骤2：k时刻PF-MB滤波器滤波步骤：由k-1时刻的后验多伯努利参数集πk-1与此刻新生多伯努利参数集πΓ组成k时刻的预测多伯努利参数集，即πk|k-1＝πk-1+πΓ，同时由PF-MB的预测公式对πk|k-1进行参数更新以完成预测步骤。在一种实施方式中，步骤3具体为：步骤3：融合接收数据：假设当前时刻为k，接收到互连传感器B所传输来的后验伯努利集信息(包括多伯努利参数集πB以及势估计NB)，基于势估计NA与NB分别从πk与πB中提取用以融合的多伯努利集πA,f与πB,f。在一种实施方式中，步骤4具体为：取max(NA,NB)＝Nmax，即传感器A与B势估计的最大值，同时取融合的多伯努利参数集中伯努利项数为Nw；当Nw＝Nmax时，直接以融合的多伯努利参数集πw作为最终用以状态输出的多伯努利集；当Nw＜Nmax时，分别找出标记向量ξ1和ξ2中最大数值及其对应索引，并分别记录其最大值与索引为m1与m2和I1与I2，若m1＞m2，则令若m1＜m2,则令分别从用以融合的伯努利集πA,f与πB,f中删除索引I1与I2对应的分量，得到新的伯努利集πA,f1与πB,f1，将两者再次进行G-CI融合并得到融合的多伯努利集并将由索引集I1与I2构成的多伯努利集记做与最终定义构成最终用以状态输出的多伯努利集。在一种实施方式中，步骤5具体为：修改融合的多伯努利参数集πw或每项的存在概率rw＝0.15，修改后的多伯努利参数集定义为同时修改用以融合的多伯努利集πA,f中每项的存在概率rA＝0.05，修改后所得多伯努利参数集定义为将在πk中替换πA,f并将并入后验多伯努利参数集πk以完成该反馈步骤。在一种实施方式中，步骤6具体为：假设当前时刻为k，利用期望后验(Expectedaposteriori,EAP)分别得到多伯努利集πA,f与πB,f中各目标状态向量集其中(cx,cy)表示目标在直角坐标系下的坐标值，(vx,vy)为目标在x与y方向上的速度值；仅考虑坐标值，依次取目标状态向量集XB中的每个向量j，计算其与目标状态向量集XA中各向量距离，并得到最大值若(λ为自定义距离阈值参数)，则记录j；当考察完目标状态向量集XB中所有向本文档来自技高网...

【技术保护点】
1.一种基于多伯努利分布式多传感器多目标跟踪方法，其特征在于，采用决策级融合输出方法、交互反馈方法或特征级融合反馈方法中的一种或者一种以上。/n

【技术特征摘要】
1.一种基于多伯努利分布式多传感器多目标跟踪方法，其特征在于，采用决策级融合输出方法、交互反馈方法或特征级融合反馈方法中的一种或者一种以上。


2.根据权利要求1所述的方法，其特征在于，所述的交互反馈方法为：对接收的互连传感器的多伯努利数据以距离阈值进行筛选，得到用以反馈的伯努利项，后以新生伯努利项的方式，反馈至本地后验多伯努利中以供后续时刻的跟踪。


3.根据权利要求1所述的方法，其特征在于，所述的决策级融合方法为：对首次融合结果进行二次处理，利用融合失败计数方法筛选出不匹配的伯努利项，然后对其余的伯努利项再次进行融合，最终将筛选出的伯努利项与融合项组合，构成当前时刻的状态输出；所述的特征级融合反馈方法为：保留参与融合的伯努利项并修改其存在概率，同时修改融合后得到的多伯努利参数集的存在概率并将其添加至后验多伯努利集中。


4.根据权利要求1所述的方法，其特征在于，所述的方法为在MB滤波及GCI-MB分布式融合滤波基础上，结合决策级融合输出方法、交互反馈方法和特征级融合反馈方法。


5.根据权利要求1所述的方法，其特征在于，所述的操作步骤为：
步骤1：初始化PF-MB滤波器各项参数；
步骤2：运行PF-MB滤波器进行滤波操作；
步骤3：接收互连传感器数据并进行融合；
步骤4：决策级融合输出；
步骤5：特征级融合反馈；
步骤6：交互反馈步骤；
步骤7：重复步骤2至步骤6可对多目标进行持续的跟踪。


6.根据权利要求5所述的方法，其特征在于，所述的步骤4具体为：
取max(NA,NB)＝Nmax，即传感器A与B势估计的最大值，同时取融合的多伯努利参数集中伯努利项数为Nw；当Nw＝Nmax时，直接以融合的多伯努利参数集πw作为最终用以状态输出的多伯努利集；当Nw＜Nmax时，分别找出标记向量ξ1和ξ2中最大数值及其对应索引，并分别记录其最大值与索引为m1与m2和I1与I2，若m1＞m2，则令若m1＜m...

【专利技术属性】
技术研发人员：杨金龙，徐悦，缪佳妮，葛洪伟，刘建军，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32